Git Stars Git Stars

#reinforcement-learning 仓库

563
仓库总数
2.1M
总星标数
3,717
平均每个仓库星标数

共 564 个仓库

351
instadeepai/Mava

🦁 JAX 中用于多智能体强化学习快速实验的研究友好型代码库

instadeepai
⭐ 939 Python 👤 instadeepai Organization 🕐 已更新 2026-11-06 📅 创建时间 2021-03-30
352
learnsyslab/safe-control-gym

PyBullet CartPole 和 Quadrotor 环境 — 带有 CasADi 符号先验动力学 — 用于基于学习的控制和强化学习

learnsyslab
⭐ 937 Python 👤 learnsyslab Organization 🕐 已更新 2026-04-29 📅 创建时间 2021-08-04
353
OSU-NLP-Group/GUI-Agents-Paper-List

超棒的 GUI 代理论文列表

OSU-NLP-Group
⭐ 934 TypeScript 👤 OSU-NLP-Group Organization 🕐 已更新 2026-11-17 📅 创建时间 2024-10-30
354
yongliang-wu/DFT

[ICLR 2026] 关于 SFT 的泛化: 使用奖励校正的强化学习视角。

yongliang-wu
⭐ 932 Python 👤 yongliang-wu User 🕐 已更新 2026-08-01 📅 创建时间 2025-08-01
355
PacktPublishing/Modern-Computer-Vision-with-PyTorch

使用 PyTorch 的现代计算机视觉,Packt 出版

PacktPublishing
⭐ 932 Jupyter Notebook 👤 PacktPublishing Organization 🕐 已更新 2026-03-02 📅 创建时间 2019-04-03
356
Open-X-Humanoid/TienKung-Lab

天宫实验室:用于腿式机器人的直接IsaacLab工作流

Open-X-Humanoid
⭐ 927 Python 👤 Open-X-Humanoid Organization 🕐 已更新 2026-10-23 📅 创建时间 2025-07-03
357
chrisliu298/awesome-on-policy-distillation

关于大型语言模型在策略蒸馏(OPD)的论文、技术报告、框架和工具的精选集

chrisliu298
⭐ 926 👤 chrisliu298 User 🕐 已更新 2026-10-06 📅 创建时间 2026-03-22
358
tencent-ailab/hok_env

腾讯《王者荣耀》AI开放环境

tencent-ailab
⭐ 925 Python 👤 tencent-ailab User 🕐 已更新 2026-05-18 📅 创建时间 2022-06-08
359
datamllab/awesome-game-ai

多智能体强化学习的精彩游戏AI材料

datamllab
⭐ 925 👤 datamllab Organization 🕐 已更新 2024-06-26 📅 创建时间 2019-10-19
360
ai4co/rl4co

面向组合优化 (CO) 的所有强化学习 (RL) 相关事物的 PyTorch 库

ai4co
⭐ 924 Python 👤 ai4co Organization 🕐 已更新 2026-09-14 📅 创建时间 2023-02-23
361
mbreuss/diffusion-literature-for-robotics

关于扩散模型的关键论文和博客摘要,以了解该主题。所有已发表的扩散机器人论文的详细列表。

mbreuss
⭐ 923 👤 mbreuss User 🕐 已更新 2026-09-22 📅 创建时间 2022-11-02
362
opendilab/awesome-decision-transformer

精选的决策Transformer资源列表(持续更新)

opendilab
⭐ 921 👤 opendilab Organization 🕐 已更新 2026-05-21 📅 创建时间 2022-08-01
363
alfworld/alfworld

ALFWorld:文本与具身环境对齐以实现交互式学习

alfworld
⭐ 921 Python 👤 alfworld User 🕐 已更新 2026-02-08 📅 创建时间 2020-10-13
364
microsoft/maro

多代理资源优化 (MARO) 平台是强化学习即服务 (RaaS) 的一个实例,用于现实世界的资源优化问题。

microsoft
⭐ 920 Python 👤 microsoft Organization 🕐 已更新 2025-04-24 📅 创建时间 2019-12-27
365
THUDM/AutoWebGLM

LLM驱动的网络导航代理 (KDD'24)

THUDM
⭐ 917 Python 👤 THUDM Organization 🕐 已更新 2024-09-27 📅 创建时间 2024-04-03
366
Amin-Tgz/awesome-CARLA

👉 CARLA 资源,如教程、博客、代码等 https://github.com/carla-simulator/carla

Amin-Tgz
⭐ 916 👤 Amin-Tgz User 🕐 已更新 2026-09-28 📅 创建时间 2019-09-19
367
eureka-research/DrEureka

"DrEureka: 语言模型引导的 Sim-to-Real 迁移" (RSS 2024) 官方仓库

eureka-research
⭐ 912 Python 👤 eureka-research Organization 🕐 已更新 2024-08-26 📅 创建时间 2024-05-03
368
MolecularAI/REINVENT4

用于从头设计、骨架跃迁、R基团替换、连接体设计和分子优化的AI分子设计工具。

MolecularAI
⭐ 910 Python 👤 MolecularAI Organization 🕐 已更新 2026-11-06 📅 创建时间 2023-10-20
369
Kautenja/gym-super-mario-bros

适用于 NES 马里奥游戏的 Gymnasium 环境,包含任务元数据、奖励监测工具和可复现的评估接口。

Kautenja
⭐ 910 Python 👤 Kautenja User 🕐 已更新 2026-09-30 📅 创建时间 2018-04-24
370
Farama-Foundation/Shimmy

面向 Farama 之外的热门强化学习环境的 PettingZoo 和 Gymnasium 绑定

Farama-Foundation
⭐ 906 Python 👤 Farama-Foundation Organization 🕐 已更新 2026-11-12 📅 创建时间 2022-10-06
371
vwxyzjn/ppo-implementation-details

博文 Proximal Policy Optimization 的 37 个实现细节的源代码

vwxyzjn
⭐ 903 Python 👤 vwxyzjn User 🕐 已更新 2024-03-23 📅 创建时间 2022-01-14
372
the-deep-learners/TensorFlow-LiveLessons

"TensorFlow 深度学习" LiveLessons

the-deep-learners
⭐ 903 Jupyter Notebook 👤 the-deep-learners Organization 🕐 已更新 2024-08-20 📅 创建时间 2017-04-18
373
amazon-far/TWIST2

[arXiv 2025] TWIST2: 可扩展、便携式和全面的类人机器人数据采集系统

amazon-far
⭐ 902 Python 👤 amazon-far Organization 🕐 已更新 2026-09-23 📅 创建时间 2025-11-05
374
tulerfeng/Video-R1

Video-R1: 增强多模态大模型中的视频推理能力 [🔥首篇探索视频R1的研究]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 已更新 2025-12-14 📅 创建时间 2025-02-22
375
kengz/awesome-deep-rl

精选的深度强化学习资源列表。

kengz
⭐ 895 👤 kengz User 🕐 已更新 2025-07-13 📅 创建时间 2019-08-17
376
Denghaoyuan123/Awesome-RL-VLA

关于机器人操纵的视觉-语言-动作模型强化学习的调查

Denghaoyuan123
⭐ 891 👤 Denghaoyuan123 User 🕐 已更新 2026-05-18 📅 创建时间 2025-11-13
377
bold-lab-ai/JaxMARL

JAX的多智能体强化学习

bold-lab-ai
⭐ 879 Python 👤 bold-lab-ai Organization 🕐 已更新 2026-11-20 📅 创建时间 2023-03-27
379
instadeepai/jumanji

🕹️ JAX 中一套多样化的可扩展强化学习环境

instadeepai
⭐ 877 Python 👤 instadeepai Organization 🕐 已更新 2026-10-16 📅 创建时间 2022-08-11
380
dmarx/anthology-of-modern-ml

应被视为教科书的重要文章集

dmarx
⭐ 877 Jupyter Notebook 👤 dmarx User 🕐 已更新 2025-08-31 📅 创建时间 2021-07-14
381
NM512/dreamerv3-torch

在PyTorch中实现Dreamer v3。

NM512
⭐ 875 Python 👤 NM512 User 🕐 已更新 2026-03-08 📅 创建时间 2023-02-11
382
open-thought/system-2-research

System 2 Reasoning Link Collection

open-thought
⭐ 874 👤 open-thought Organization 🕐 已更新 2025-03-16 📅 创建时间 2024-08-03
383
Purewhiter/mobilegym

[EMNLP 2026] MobileGym:面向移动 GUI 智能体研究的可验证高并行仿真平台 · 浏览器中运行的安卓模拟器 · 可验证评估 · 可扩展在线强化学习训练

Purewhiter
⭐ 872 Python 👤 Purewhiter User 🕐 已更新 2026-11-16 📅 创建时间 2026-05-14
384
whitecircle/halo

Halo 是由 White Circle 构建的用于训练大型语言模型和多模态模型的开源框架

whitecircle
⭐ 868 Python 👤 whitecircle Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-08-26
385
ZiyuGuo99/Image-Generation-CoT

[CVPR 2025] 图像生成中CoT推理(RL、TTS、反思)的首次调查

ZiyuGuo99
⭐ 865 Python 👤 ZiyuGuo99 User 🕐 已更新 2026-03-19 📅 创建时间 2025-01-23
386
eloialonso/iris

Transformer是样本高效的世界模型。ICLR 2023,值得关注的前5%。

eloialonso
⭐ 861 Python 👤 eloialonso User 🕐 已更新 2024-10-14 📅 创建时间 2022-08-23
387
LeCAR-Lab/BFM-Zero

BFM_Zero:一种可提示的行为基础模型,用于使用无监督强化学习的人形机器人控制

LeCAR-Lab
⭐ 844 Python 👤 LeCAR-Lab Organization 🕐 已更新 2026-10-21 📅 创建时间 2025-11-04
388
TideDra/lmm-r1

将OpenRLHF扩展到支持LMM RL训练,以在多模态任务上复现DeepSeek-R1。

TideDra
⭐ 843 Python 👤 TideDra User 🕐 已更新 2025-05-14 📅 创建时间 2025-02-13
389
david-cortes/contextualbandits

上下文强盗算法的 Python 实现

david-cortes
⭐ 842 Python 👤 david-cortes User 🕐 已更新 2026-10-28 📅 创建时间 2018-03-27
390
OpenBMB/AgentCPM

用于训练和评估各种大型语言模型代理的端到端基础设施.

OpenBMB
⭐ 835 Python 👤 OpenBMB Organization 🕐 已更新 2026-10-22 📅 创建时间 2026-01-08
391
Calix-L/DanKS

强化学习赋能的小规模竞技掼蛋智能体

Calix-L
⭐ 833 Python 👤 Calix-L User 🕐 已更新 2026-10-31 📅 创建时间 2026-08-21
392
iLearn-Lab/VLA-Diffusion-Policy-Robotics

用于机器人操纵的扩散模型的出色资源和论文集。

iLearn-Lab
⭐ 833 👤 iLearn-Lab Organization 🕐 已更新 2026-07-13 📅 创建时间 2025-03-12
393
YanjieZe/TWIST

[CoRL 2025] TWIST: 远程操作全身模仿系统

YanjieZe
⭐ 823 Python 👤 YanjieZe User 🕐 已更新 2025-11-01 📅 创建时间 2025-04-30
394
irom-princeton/dppo

Diffusion Policy Policy Optimization的官方实现,arxiv 2024

irom-princeton
⭐ 822 Python 👤 irom-princeton Organization 🕐 已更新 2025-02-04 📅 创建时间 2024-09-04
395
chauncygu/Safe-Reinforcement-Learning-Baselines

该存储库是用于安全强化学习基线。

chauncygu
⭐ 816 Jupyter Notebook 👤 chauncygu User 🕐 已更新 2026-03-13 📅 创建时间 2022-02-22
396
dhcode-cpp/X-R1

0.5B R1-Zero 训练的最低成本

dhcode-cpp
⭐ 815 Python 👤 dhcode-cpp User 🕐 已更新 2025-05-14 📅 创建时间 2025-02-11
397
SanDiegoMachineLearning/bookclub

读书会会议的笔记和链接

SanDiegoMachineLearning
⭐ 813 Jupyter Notebook 👤 SanDiegoMachineLearning Organization 🕐 已更新 2026-11-08 📅 创建时间 2020-09-18
399
Optima-CityU/LLM4AD

LLM4AD:一种利用大语言模型进行算法设计的平台

Optima-CityU
⭐ 811 Python 👤 Optima-CityU Organization 🕐 已更新 2026-11-17 📅 创建时间 2024-11-26
400
MarkFzp/humanplus

[CoRL 2024] HumanPlus: 来自人类的人形阴影和模仿

MarkFzp
⭐ 810 Python 👤 MarkFzp User 🕐 已更新 2024-07-01 📅 创建时间 2024-06-12